Обучение глубоких нейронных сетей в условиях малой выборки для классификации биологических объектов по мультиспектральным измерениям

Исследуется возможность применения глубоких нейронных сетей для обработки мультиспектральных измерений в задачах классификации биологических объектов с определенными патологиями. Для классификации используются сверточные нейронные сети, принимающие на вход несколько спектральных функций (зависимостей амплитуды от частоты), полученных одновременно по каждому объекту с помощью различных методов (спектры отражения, спектры пропускания) и/или в различных участках спектра электромагнитных волн. Описывается структура глубокой сети с двумя слоями свертки и двумя полносвязными слоями, используемая для классификации элементов неоднородного потока зерновых смесей (на примере пшеницы), пораженных грибковыми заболеваниями, и определения сортовой принадлежности. Предлагается метод повышения качества обучения сети на основе технологии переноса обучения с использованием предварительного обучения по искусственно размноженным данным мультиспектральных измерений. На примере задачи классификации зарегистрированных спектров отражения и пропускания элементов зерновых смесей приводится сравнение результатов, полученных при традиционном обучении глубоких сетей для каждого спектрального метода в отдельности, при обучении с использованием данных для двух спектральных методов (одновременная обработка двух каналов данных, описывающих спектры пропускания и отражения), и при обучении с использованием предлагаемого метода на основе технологии переноса обучения.